python文件读取处理方法小计

读取文件方法：

• read（） 读取整个文件
• readline （） 读取下一行
• readlines（） 读取整个文件到一个迭代器以供我们遍历（读取到一个list中，以供使用，大文件不适用太耗费内存）

文件迭代可用方法：

1.for … in …

with open("file") as fh:
    for line in fh:
        print(line.strip())

2.while fh.readline():

with open("file") as fh:
  while True:
    line=f.readline()
    if line:
        print (line)
    else:
        break

Ps：readline（）每次调用返回一行，遍历文件每一行需要多次调用，如方法2。不可写成for line in fh.readline（），否则为在一行迭代

中文编码处理：

• decode解码
• encode编码

在需要转换的时候，使用显式转换。从字节解码成文本，用 var.decode(encoding)，从文本编码成字节，用 var.encode(encoding)。依从str→（decode）→unicode，unciode→（encode）→str。

从外部读取数据时，默认它是字节，然后 decode 成需要的文本；同样的，当需要向外部发送文本时，encode 成字节再发送。

Ps：encode可以任意指定，decode需知道文本格式，如：python文件第一行的#coding=utf8，html中的等

中文乱码UL：http://www.cnblogs.com/testlife007/p/5163507.html

去除window下文本文档BOM头：

在window的环境下，保存的文本文档会加上三个字符0xEF 0xBB 0xBF的头部，这三个字符可能会影响对文本的读取，形成乱码，在这里记录下如何避免。如直接保存为ASCII编码的txt文件是不包含BOM头部的，文件另存为UFT-8的格式则出现BOM头乱码情况，方法如下：

#coding=utf-8
import codecs
data=open("xxx.txt").read()
if data[:3]==codecs.BOM_UTF8:
    data = data[3:]
print data